[发明专利]一种基于过程神经网络的加热炉温度的计算机控制方法

摘要

本发明公开了一种基于过程神经网络的加热炉温度的计算机控制方法，包括如下步骤步骤1建立基于过程神经网络的加热炉温度预测模型；(1)数据采集并拟合；(2)采用三层过程神经网络预测模型预测加热炉温度值；(3)采用梯度下降方法进行学习训练，直至误差函数小于0.5，停止训练；步骤2将给定的温度值减去步骤1中由三层过程神经网络预测模型预测出来的第k+1组加热炉温度值得到温度偏差，将该温度偏差通过PID控制器调节，以控制加热炉内温度调节器，调节加热炉内第k+1组实际加热炉温度值，使其与给定的温度值的偏差不超过±1℃。本发明使得加热炉在恒温过程中温度能够稳定控制，使加热炉内的温度值与给定的温度值的偏差不超过±1℃。

主权项

一种基于过程神经网络的加热炉温度的计算机控制方法，其特征在于，包括如下步骤：步骤1：建立基于过程神经网络的加热炉温度预测模型；每隔一定时间采集加热炉温度一次，依次对每连续k组加热炉温度值xk,xk‑1,xk‑2,…x1进行数据拟合，得到时变函数x(t)＝at4+bt3+ct2+dt+e，其中拟合系数a,b,c,d,e的值根据实时采集的数据进行多项式拟合得到；将拟合的实变函数x(t)作为三层过程神经网络预测模型的输入，该三层过程神经网络预测模型的输出为预测第k+1组加热炉温度值：其中，为预测的第k+1组加热炉温度值，m为隐含层节点数，vi为隐含层节点到输出节点的连接权值，T为连续采集k组加热炉温度的时间，θi为隐含层神经元阈值，θ为输出层神经元阈值，其为高斯函数，其为相应的连接权函数；以依次采集到的第k+1组实际温度值xk+1作为期望温度值，采用梯度下降方法，对连接权函数ωi(t)，连接权值vi，阈值θi和θ进行学习训练，直至误差函数小于0.5，停止训练，其中，y为训练样本数；步骤2：将给定的温度值减去步骤1中由三层过程神经网络预测模型预测出来的第k+1组加热炉温度值得到温度偏差，将该温度偏差通过PID控制器调节，以控制加热炉内温度调节器，调节加热炉内第k+1组实际加热炉温度值，使其与给定的温度值的偏差不超过±1℃。